Simon Willison 公开了一份 Codex 工作会话的完整能力快照，包含 232 个工具接口和 44 个 SKILL.md 技能文件。这篇文章拆解工具与技能的区别，看看一个 AI Agent 的真实能力边界到底是怎么构成的。

说到 AI 编程烧钱，大家首先想到的是 Claude Code，那 Codex 是不是更省钱？作者用真金白银做了测试：一个再普通不过的 CLI 重构 PR，24 小时内烧光 270 美元的溢出额度。拆开账单才发现，真正的开销大头不是模型输出，而是并行子代理和反复读取的缓存，外加一个不小心踩中的 fast mode 溢价。

一年前，编辑器里的代码几乎每一行都是自己敲的；今天，大部分代码是模型已经写好的 diff，你只负责读、判断、保留。真正的瓶颈从写得快不快，挪到了验证得准不准。这篇文章拆解这个位移，并给出结论：当 AI 写代码，验证就是新的实现，而判断力是我们手里最后一块不会被拿走的地盘。

把一个大任务交给编码代理，它没超时也没超预算，却只完成了三分之一就宣布收工。Factory 团队用重建 gdal 的实验拆开了这个现象：代理缺的从来不是能力，而是一份「完成的标准」。动手之前先定义验收，同一个模型的复现率能从 36% 翻到 90%。

AI 代理把写代码的速度放大了好几倍，却没能让「判断代码对不对」这件事跟上。本文拆解一个被大多数人忽略的裂缝：代理在任务的尺度上做出一连串盲目的架构决定，漂移在复利中不断放大，三到四成的工程时间已花在返工上。解法不在更好的代理，而在代理之上的一层。